Så fungerar Maguyva

Anslut ett GitHub-repository, så gör Maguyva om det till flera sökbara vyer som din agent kan använda vid behov. Istället för att dumpa hela filer i kontexten får modellen förankrad tillgång till symboler, struktur, dokumentation, beroenden och rankade kodfragment.

När dina projekt växer får AI-agenter problem med:

• Kontextfönstrets begränsningar - För mycket information överväldigar AI-modeller
• Ovidkommande data - AI-agenter slösar tokens på onödig information
• Svag prestanda - Sämre träffsäkerhet och långsammare bearbetningstider
• Manuell hantering - Utvecklare lägger timmar på att organisera kontext manuellt
• Högre kostnader - Utan kontexthantering ökar tokenkostnaderna för varje fråga

När du ansluter ett repository kör Maguyva molnbaserade insamlingspipelines över kod, dokumentation, manifest, symboler och beroendemetadata. Målet är att bygga ett varaktigt kodminne en gång, istället för att varje agentkörning ska behöva återupptäcka repot från grunden.

Dessa pipelines producerar flera specialiserade datalager: exakt textsökning, semantisk hämtning, symbol- och referensuppslag, strukturella vyer och analys av beroendegrafen. Olika frågor dirigeras till olika lager.

Maguyva erbjuder 5 funktioner för informationshämtning: semantic, AST, symbol, dependency och text. I intelligent_search finns fyra sökmodaliteter: semantik, text, struktur och graf. Standardläget auto/balanced skickar frågor som med hög säkerhet identifieras som definitionsfrågor till struktursökning, frågor om referenser eller påverkan till grafen och frågor om exakta träffar till textsökning. Övriga frågor använder semantisk betydelse och indexerad text. Använd mode=hybrid eller auto med quality=thorough för att begära alla fyra sökmodaliteter; ett uttryckligen valt läge har företräde framför quality. Ett language_filter utesluter graf från auto/hybrid och avvisas tillsammans med ett uttryckligt grafläge. Resultat från flera modaliteter slås samman och rangordnas efter relevans för frågan.

De privata repository-vyerna finns sida vid sida med offentlig referensdata för de språk och textbaserade teknologier som stöds. Din agent når hela systemet via MCP-verktyg, som du kan luta dig tungt mot under planering och validering, eller använda som stickprov under redigering.

När GitHub har anslutits skannar Maguyva repositoryt i molnet och extraherar de delar en agent faktiskt behöver resonera kring:

• Analys av kodstruktur ░╔═╗░ ▓║◉║▓ ░╚═╝░ - Parsar filer till symboler, referenser och arkitektoniska gränser
• Beroendeupplösning ╲▄█▄╱ ─◆●◆─ ╱▀█▀╲ - Kartlägger hur filer, moduler och symboler beror på varandra
• Dokumentationsintegration - Hämtar in repositoryts dokumentation och relaterat referensmaterial vid sidan av koden

Istället för ett enda generiskt index bygger Maguyva flera hämtningsytor som snabbt besvarar olika frågor med olika typer av belägg:

• Relevanspoängsättning ▄█▄ ║⊙⊙║ ╚═█═╝ - Väljer underlag efter sökläge och kvalitetsinställning och rangordnar sedan träffarna efter relevans för frågan
• Brusreducering - Minskar dubblettträffar och begränsar antalet fragment per fil så att en enda fil inte fyller resultatfönstret
• Kontextprioritering - Håller resultaten avgränsade och relevanta som standard. Viktighetsförstärkning aktiveras uttryckligen med boost_by_importance=true för arkitekturgenomgångar; den är inte standard för rangordningen

• Semantisk hämtning ┌─◈─┐ ║███║ ╚═══╝ - Hittar konceptuellt liknande kod och dokumentation även när exakta ord skiljer sig
• Symbol- och strukturvyer - Stödjer exakt symboluppslag, referenser och AST-formade frågor
• Analys av beroendegraf ▓█▓ ╔═●═╗ ╚═╤═╝ - Följer anropare, importer och påverkansradie genom hela kodbasen

Maguyva levereras som en molnhostad MCP-server. Din agent anropar de verktyg som behövs för den vy den vill ha, istället för att förlita sig på att modellen minns din arkitektur från grunden. De fyra ytorna ovan är grupperade vyer av de konkreta verktygen: Semantisk sökning täcker semantic_search och intelligent_search; Symboluppslag täcker find_symbol och get_task_context; Strukturell sökning täcker structural_search och text_pattern_search; Beroendegraf täcker dependency_search och analyze_dependencies — utöver get_file, repository_context och ask_maguyva som stödjande hjälpverktyg. Se den fullständiga MCP API-referens för alla 11 verktyg.

• Använd fler eller färre verktyg - Använd Maguyva mycket under planeringen eller bara för att rimlighetskontrollera en riskabel ändring
• Bättre planvalidering - Stäm av idéer mot verkliga symboler, referenser och dokumentation innan du redigerar
• Tydligare påverkansradie - Beroende- och grafverktyg visar vad som kan gå sönder om en symbol ändras
• Framåtkompatibelt - Fungerar med alla klienter som stödjer MCP-standarden

• Transportsäkerhet - Anslutningar till tjänsten använder HTTPS/TLS
• Hanterad lagring - Indexerade data lagras på hanterad infrastruktur med kryptering av lagrade data på lagringsnivå
• Namnrymdsisolering - Repodata avgränsas per arbetsyta och namnrymd genom hela pipelinen och vid databasfrågor
• Åtkomstkontroller - Repositoryåtkomsten begränsas av organisations- och namnrymdsgränser

Prestandan varierar beroende på kodbasens storlek och frågans komplexitet. Maguyva fokuserar på att leverera den mest relevanta kontexten istället för att dumpa hela filer. Se kompatibilitet för språk och klienter som stöds.

Genom att intelligent filtrera och organisera kontexten kring din kodbas hjälper Maguyva AI-agenter att arbeta mer effektivt:

• Bättre planeringsprecision - Agenter kan validera en ansats mot det faktiska repositoryt innan de börjar koda
• Säkrare refaktoreringar - Kontroller av påverkansradie och beroenden minskar fel som går att undvika
• Mindre bortkastade tokens - Endast relevanta fragment returneras istället för hela filer
• Snabbare förståelse av repot - Modellen får förankrade svar snabbt istället för att återupptäcka projektstrukturen varje körning

• Repository-synkning - Uppdateras utifrån GitHub-synkroniseringsjobb allt eftersom koden ändras
• Inkrementell bearbetning - Bearbetar bara ändrade filer för effektivitetens skull
• Grenmedveten kontext - Upprätthåller separata index per git-gren så att agenter ser rätt kontext för varje gren

Redo att prova?

1. Kom igång gratis - Inget kreditkort krävs
2. Anslut ditt repository - länka ett GitHub-repo i Maguyva-portalen
3. Peka din agent mot Maguyva - Använd MCP-verktygen under planering, kontroll eller redigering (installationsguide)

Kom igång gratis →

Anslut dina GitHub-kodarkiv via Maguyva-portalen. Indexen uppdateras genom GitHub-synkroniseringsjobb när koden ändras. Portalen visar även API-användningen.